气液两相流压差波动信号小波去噪中阈值规则的确定

利用小波分解、滤波、重构对压差波动信号进行去噪处理,消除实验中由于各种因素产生的噪声,得到了较为满意的压差波动实验数据,该方法与其他处理方法相比,得到的处理信号不失真且去噪效果明显。比较发现小波去噪的结果与阈值选取相关,通过分析确定合适的阈值选取规则,使得处理后的信号能满足以后分析的需要。研究表明选择的阈值可广泛应用于不同流型和不同取压间距的压差波动信号。     

图像的小波可变阈值去噪方法

鉴于当前智能手机显示屏多采用RGBG格式的像 素结构,本文提出了应用于AMOLED的RGB到 RGBG高速像素转换技术(HSHQ)。该技术的特征是先区分出简单转换点和复杂转换点,对于 简单转换点采 用直接赋值实现像素转换,对于复杂转换点,采用权重因子算法实现像素转换。本文主要有 三个创新点:(1) 不同于传统方法对图像中所有像素进行复杂转换,本文首创性地提出了以相邻像素单 元的灰阶差值作 为判断依据,进行转换像素标记,区分出简单转换点和复杂转换点,只针对标记点进行复杂 像素结构转换。 因此,该方法提高了像素转换速度。(2) 对于简单转换点,采用直接赋值法,由于原图像 的灰阶不做改变, 该方法完全保留了简单转换点的图像信息。(3) 对于复杂转换点,采用权重因子算法,在 将转换前后信息损失降至最低的同时,抑制了彩边效应。 相比于DA算法,HSHQ算法处理所得图像的PSNRU和PSNRV分别提高了7.04%和6.62%。相比于ED MSE,HSHQ算法的转换率降低了75.63%。因此,本文提出的算法在保证转换质量的同时,大 大提高了转换速度。     

小波分析的阈值去噪方法研究

小波阈值去噪方法在工程中已得到广泛应用,小波阈值去噪过程中,阈值的选取和处理方法是关键问题.本文介绍了传统的软阈值、硬阈值小波去噪方法原理,在此方法的基础上给出了一种基于小波分析的自适应阈值算法,弥补了软硬阈值函数的不足,通过仿真证明了该方法的有效性.     

基于自适应阈值函数的小波阈值去噪方法

去噪是小波分析的一个重要应用领域,相对于其它方法,小波变换具有对信号时频局部性详细刻画的优势。在信号的去噪处理过程中,如何在削弱噪声的同时又最大限度的保留信号的奇异性特征是信号去噪研究的一个核心问题。该文提出一种基于自适应阈值函数的小波去噪方法,通过调整阈值函数实现在信号小波分解的细尺度上去除噪声的同时又尽量保留信号细节系数,而在宽尺度上最大限度地滤除噪声部分的小波系数。通过对blocks, bumps和水下目标回波信号的仿真实验证明,该方法和现有的阈值去噪方法相比,具有显著的优势,能够在滤除噪声的同时很好地保留信号的奇异性特征。     

基于小波变换阈值的信号去噪

对基于小波变换的信号检测方法进行深入的研究,在不同尺度上分析和处理信号的各种频率成份。用非线性小波阈值的方法去噪声,使有用信号能从噪声中检测出来,提高信号的分辨率,信噪比。     

小波阈值去噪技术分析研究

本文论述了非线性小波阈值语音去噪原理和实现过程中的几个难点解决方法。     

一种改进的小波阈值去噪法

基于小波变换的阈值去噪法是去除数字信号中白噪声的有效算法,其中阈值函数的选择关系着重构信号的连续性和精度。但是硬阈值函数在阈值点具有不连续性,软阈值函数中估计的小波系数与信号的小波信号间存在恒定偏差的缺陷,这些缺点限制了阈值去噪法的进一步应用。将硬阈值和软阈值函数进行加权平均,选取适当的权值函数,可以构造出一种克服了软硬阈值缺点的新的阈值函数。仿真结果表明,该方法具有较好的去噪效果。     

基于改进遗传算法的小波阈值语音去噪

针对语音信号在传输和处理的过程中经常会受到不同程度噪声干扰的问题,在传统小波阈值去噪方法的基础上提出了一种改进型去噪方法。该方法采用遗传算法对小波阈值参数进行自动寻优,并对传统遗传算法加以改进,克服了其容易陷入局部最优的缺点,实现了阈值的自适应选取,解决了人为选择阈值导致去噪效果不明显的问题。实验表明,改进方法能够较好的去除语音信号中的噪声干扰,信噪比较高,相比于通用阈值法提高了15%。     

基于多尺度阈值技术的小波去噪

多尺度阈值技术的小波去噪是根据小波变换下信号和噪声在多尺度空间中的不同特性,用软阈值函数确定的阈值对不同尺度上的小波系数进行处理,进而达到去除噪声的目的。运用这种方法对信号进行处理时去噪效果良好,并且能够很好地保留原信号的细节信息。     

非平稳信号的小波包阈值去噪方法

研究非平稳信号的小波包阂值去噪方法，介绍了几种阈限和选取闽值的规则。计算机仿真结果表明，利用小波包阈值去噪的时频局部化特性可以滤去非平稳信号中大量的背景噪声，消噪后的信噪比（SNR）明显高于傅里叶滤波的结果，充分说明了小波包阈值方法在非平稳信号去噪中的优越性。     

小波分析在信号降噪中的应用

针对信号检测中经常存在的噪声污染问题,利用小波分解之后可以在各个层次选择阈值,对噪声成分进行抑制,手段更加灵活。本文介绍了小波变换的一般理论以及在信号降噪中的应用,分析了被噪声污染后的信号的特性;利用MATLAB软件进行了信号降噪的模拟仿真实验并在降噪光滑性和相似性两个方面体现出小波变换的优势。本文分别使用了不同类型的小波和相同类型小波下不同阈值对信号进行了降噪.仿真结果表明小波变换具有良好降噪的效果。     

小波分析在微型光谱仪信号去噪处理中的应用

针对微型光谱仪光谱信号存在的噪声问题,利用小波变换在时频域具有多分辨率,能同时进行时频域局部分析的特性,运用Mallat分解和重构算法,通过C语言编程实现对光谱信号的噪声抑制.将程序应用到MS-Ⅱ明思微型生化分析仪系统中,对算法的有效性进行了验证.结果表明,用小波变换对光谱信号进行分析和处理,提高了光谱信号分析的精度,从而提高了系统测试的准确性和稳定性.     

用小波变换抑制SAR图像中的斑点噪声

抑制合成孔径雷达图像中的斑点噪声一直是处理图像并得到准确图像信息的难点，提出了一种基于小波变换抑制合成孔径雷达（SAR）图像中的斑点噪声的方法，对原有的小波变换方法作了改进，能更好地保留图像的边缘信息，并能简化计算量。在仿真实验中使用了合成的模拟图像和真实的合成孔径雷图像，并与以往的小波去噪滤波方法以及一些经典的斑点噪声滤波方法（包括中值滤波，Lee滤波，Frost滤波）进行比较，在综合考虑了滤波算法在均匀区域对斑点噪声的抑制能力以及保留边缘信息能力的情况下，提出的算法有更好的效果。     

IMAGE WAVELET DENOISING USING THE ROBUST LOCAL THRESHOLD

This paper suggests a scheme of image denoising based on two-dimensional discrete wavelet transform.The denoising algorithm is described with some operatiors.By thresholding the wavelet transform coefficients of noisy images, the original image can be reconstructed cor-rectly.Different threshold selections and thresholding methods are discussed.A new robust local threshold scheme is proposed.Quantifying the performance of image denoising schemes by using the mean square error, the performance of the robust local threshold scheme is demonstrated and is compared with the universal threshold scheme.The experiment shows that image denoising using the robust local threshold performs better than that using the universal threshold.     

Fast interscale wavelet denoising of Poisson-corrupted images

We present a fast algorithm for image restoration in the presence of Poisson noise. Our approach is based on (1) the minimization of an unbiased estimate of the MSE for Poisson noise, (2) a linear parametrization of the denoising process and (3) the preservation of Poisson statistics across scales within the Haar DWT. The minimization of the MSE estimate is performed independently in each wavelet subband, but this is equivalent to a global image-domain MSE minimization, thanks to the orthogonality of Haar wavelets. This is an important difference with standard Poisson noise-removal methods, in particular those that rely on a non-linear preprocessing of the data to stabilize the variance.Our non-redundant interscale wavelet thresholding outperforms standard variance-stabilizing schemes, even when the latter are applied in a translation-invariant setting (cycle-spinning). It also achieves a quality similar to a state-of-the-art multiscale method that was specially developed for Poisson data. Considering that the computational complexity of our method is orders of magnitude lower, it is a very competitive alternative.The proposed approach is particularly promising in the context of low signal intensities and/or large data sets. This is illustrated experimentally with the denoising of low-count fluorescence micrographs of a biological sample.     

一种改进的小波去噪方法在OTDR中的应用

光时域反射仪(OTDR)测试中,系统链路噪声严重影响测试准确度,尤其是对于0.05~0.2 dB熔接损耗的准确检测,需要提高测试曲线的信噪比。根据OTDR波形特点,在小波阈值去噪的基础上提出一种改进的小波去噪方法,改进阈值利用对数函数的非线性并引入噪声方差,更利于滤除噪声;改进阈值判断函数留下原始数据细节并滤除噪声,且不改变反射事件和非反射事件的波形属性。实际测试表明:测试曲线相对信噪比提升了10 dB以上,去噪后配以曲线平滑滤波和恒虚警(CFAR)检测,准确检测出熔接事件。     

Image denoising using scale mixtures of Gaussians in the wavelet domain

We describe a method for removing noise from digital images, based on a statistical model of the coefficients of an overcomplete multiscale oriented basis. Neighborhoods of coefficients at adjacent positions and scales are modeled as the product of two independent random variables: a Gaussian vector and a hidden positive scalar multiplier. The latter modulates the local variance of the coefficients in the neighborhood, and is thus able to account for the empirically observed correlation between the coefficient amplitudes. Under this model, the Bayesian least squares estimate of each coefficient reduces to a weighted average of the local linear estimates over all possible values of the hidden multiplier variable. We demonstrate through simulations with images contaminated by additive white Gaussian noise that the performance of this method substantially surpasses that of previously published methods, both visually and in terms of mean squared error.     

基于小波分析的脉搏波信号处理

对脉搏波信号进行分析之前,对信号的去噪非常重要,本论文利用Mallat算法对脉搏波信号进行多分辨分析和去噪,分别对阈值法、平移不变量法、模极大值法的降噪原理进行分析,通过大量实验对比,比较了它们在处理脉搏波信号方面的优缺点。通过对一段含噪脉搏波信号降噪,得到了满意的去噪效果。     

基于FPGA的小波去噪的硬件实现

为了解决传统频域去噪法在光信号处理中单分辨率的局限性,提出了具有多分辨性的小波去噪法,并通过对比验证其有效性。由于小波去噪实现对硬件的要求较高,采用现场可编程门阵列做硬件平台来实现基于分布式算法的小波运算,将复杂的乘法运算转化为简单的并行查表累加过程,提高了运算效率,完成了小波算法的硬件移植。最后设计了基于现场可编程门阵列的采集系统,并在其上进行了小波去噪的硬件验证。结果表明,小波去噪算法在现场可编程门阵列平台上得到了很好的实现,且去噪效果良好。     

小波降噪对TDLAS 干涉抑制的研究

基于多光程吸收池的可调谐半导体激光吸收光谱 (TDLAS) 系统在检测过程中容易出现噪声干扰, 影响着其 实际检测性能。针对这种干扰的特征进行分析, 提出利用小波降噪法来改善 TDLAS 系统的探测性能。首先依据理论 研究结果选择合适的小波函数和分解层数, 然后通过这种小波对叠加干扰的仿真信号进行滤波, 结果表明这种降噪技 术具有良好的去噪效果。最后利用小波降噪技术处理了实验采集的不同浓度气体的直接吸收光谱 (DAS) 和二次谐波 信号, 相比于原信号, 降噪后信号的信噪比从 0.4 增加到 259, 系统的检测限也达到 7×10−6, 表明小波降噪方法在气体 光谱检测中具有较高的应用价值。